EP 99. Opus 4.8 출시, 요즘 AI 경쟁과 인간의 일
📺 원본 영상: EP 99. Opus 4.8 출시, 요즘 AI 경쟁과 인간의 일 🎙️ 채널: 노정석 📅 정리 일자: 2026-06-07 ⚠️ Note: 본 리포트는 영상의 음성을 텍스트로 변환(STT)하여 정리한 것입니다. 화면에 표시된 자료(차트, 코드, 슬라이드 등)는 포함되지 않을 수 있습니다.
개요
2026년 5월 30일 토요일 아침, ‘노정석’ 채널의 공동 진행자 두 명이 오랜만에 마주 앉았다. 몇 주 만에 돌아온 사이 구글 I/O가 열렸고, Claude Opus 4.8이 기습 출시되었으며, AI 에이전트 아키텍처의 새로운 패러다임이 속속 등장했다. 이 에피소드는 단순한 기술 뉴스 정리를 넘어, AI 경쟁의 가속화가 인간의 창의성과 일의 방식에 어떤 근본적인 질문을 던지는지를 탐구한다.
1. 43일의 충격 — 가속되는 모델 출시 사이클
Anthropic이 Claude Opus 4.8을 기습 출시했다. 충격적인 건 성능이 아니라 타이밍이었다. 직전 모델인 Opus 4.7이 나온 것이 4월 16일이었으니, 불과 43일 만에 새 버전이 등장한 셈이다. 진행자는 이를 두고 “두 달 이하 리듬”이라는 표현으로 정리했는데, 그 “두 달”이라는 숫자가 갖는 의미부터 짚어봤다.
이미 AI 업계에서는 프론티어 모델의 배포 주기가 대략 두 달이라는 인식이 퍼져 있었다. Dwarkesh Patel의 인터뷰에서도 비슷한 언급이 있었는데, 플래시카드 등의 문제를 푸는 것이 Chinchilla Optimal 대비 100배 정도 오버 트레인된 것 같다는 추정 맥락에서 “두 달마다 프론티어 모델이 배포되고 은퇴하는 패턴”을 전제로 한 이야기였다. Sam Altman 역시 호주의 한 행사에서 “두 달 만에 세상이 바뀐다”는 뉘앙스의 발언을 한 것으로 알려졌다. 2026년의 패턴으로 자리 잡을 것으로 예상되던 그 주기가, 이번에는 43일로 당겨졌다. “예상했던 일이긴 한데, 43일이 나오니 약간 어? 했다”는 진행자의 솔직한 반응이 인상적이다.
이것은 오래전부터 예견된 흐름이기도 하다. 싱귤래러티(Singularity)를 향해 가는 경로와 정확히 일치한다. 진보의 주기가 점점 짧아지고, 어느 시점부터는 변화의 속도가 무한에 가까워지는 그 지점을 향해 지금 가속 중이다.
Anthropic은 블로그 포스팅을 통해 Opus 4.8에 대해 “이전 모델보다 작지만 분명히 체감할 수 있는 개선”이라고 표현했고, 더 낮은 비용으로 동일한 성능을 내는 방향과 더 높은 성능의 차세대 모델 출시 계획을 동시에 언급했다. 특히 이미 일부 소수 조직에서 프리뷰 중인 차세대 최상위 모델(진행자가 ‘미소스급’으로 지칭한 모델)은 안전장치 준비가 완료되는 대로 “앞으로 몇 주 안에” 전체 고객에게 공개될 예정이라 밝혔다. 진행자는 이를 최대 두 달, 즉 7~8월 사이의 일이 될 것으로 내다봤다.
모델 라인업 자체도 체급 재편이 이루어지고 있다는 분석도 나왔다. 차세대 최상위 모델이 사실상의 새로운 Opus 역할을 맡고, 현재의 Opus는 Sonnet 수준으로 내려오는 형태로 조정되는 게 아니냐는 해석이다. 실제로 Claude Code 사용자들은 대부분 Opus를 붙여 쓰고 있고, Sonnet과 Haiku는 일부 임베딩·단위 태스크를 제외하면 유명무실해진 상황이다.
2. 구글 I/O와 여름의 격전 — 주요 플레이어들의 포석
조용히 준비를 해왔던 Google이 I/O에서 가장 내세운 카드는 Gemini Pro가 아니었다. 키노트의 주인공은 Gemini 3.5 Flash였다. Pro는 아직 준비가 되지 않은 상태였고, 키노트를 내내 관통하는 메시지는 “몇 주 후, 여름 즈음에 다음 것을 공개할 수 있을 것”이라는 예고였다.
이 타이밍이 묘하게 맞아떨어진다. Anthropic이 선제적으로 Opus 4.8을 먼저 출시했고, OpenAI는 Codex와 GPT-5.5 라인업으로 성능 경쟁을 이어가고 있다. Google은 지금 전방위적으로 방어하면서도 여름을 겨냥한 카드를 숨겨두고 있는 형국이다. 진행자는 이를 두고 “Gemini 3.5 Pro, Anthropic의 차세대 모델, GPT-5.6 정도로 대변되는 세계 메이저 플레이어들의 격전이 여름에 벌어질 것”이라고 내다봤다. 그 격전이 끝나고 나면, 지금 잘 돌아가고 있던 것들을 유지할지 아니면 마이그레이션할지를 결정해야 하는 푸닥거리가 또 한 번 이어질 것이라는 게 예정된 수순이다.
흥미로운 점은 Anthropic이 이번 Opus 4.8이 4.7, 4.6 대비 “작고 효율화된” 모델임을 스스로 인정했다는 것이다. 일부 벤치마크에서는 4.7 대비 낮아진 수치도 있다. 진행자는 이를 “토큰 이코노믹스에서 살아남기 위한 처절한 몸부림”이라고 표현했다. 과거 자동차 산업이 배기량 경쟁(4,000cc, 5,000cc, 6,000cc)을 벌이다가 효율화로 전략을 전환했던 것처럼, AI 모델도 단순 성능 극대화에서 최적화·효율화로 축을 옮기고 있다는 신호다.
3. Dynamic Workflows와 “Code as a Harness” — 에이전트 아키텍처의 수렴
Opus 4.8과 함께 조용히 발표된 또 하나의 개념이 있다. 바로 Dynamic Workflows다. 클로드가 여러 서브 에이전트들에게 작업을 분배하고 그 결과를 종합하는 다중 에이전트 오케스트레이션 방식인데, 타임라인에서는 “이미 우리도 하고 있었던 것 아닌가”라는 반응이 나왔다. OpenMind, OpenAgents(OMX) 등에서도 이미 비슷한 개념으로 운영해왔다는 것이다. 그러나 핵심 차별점은 오케스트레이션 방식에 있다.
기존의 방식이 큰 모델이 계속 분기점을 읽고 실시간으로 판단하는 방식이었다면, Dynamic Workflows는 처음에 오케스트레이션 방법을 결정적인 코드(deterministic code)로 짜두고 그 스크립트가 플로우를 주도하는 방식이다. 즉 모델이 매 순간 판단하는 게 아니라, 처음에 하네스(harness)를 생성해두고 그 플로우대로 실행하는 것이다. 이 개념은 Forca의 CTO 강규형 님이 언급한 “Code as a Harness”라는 표현과 정확히 맞닿아 있고, Cloudflare에서도 동일한 이름의 Dynamic Workflow를 차세대 에이전트 구축의 핵심으로 내세우고 있다.
17:33 - Code as a Harness 개념 설명 - 스캐폴드와 하네스를 활용해 롱 호라이즌 태스크를 수행하는 방식
왜 모델에만 맡기는 방식이 한계가 있는가를 이해하면, 이 전환의 필요성이 명확해진다. 모델은 어려운 작업을 시키면 게으름을 피운다. 자기가 한 일을 자기가 평가하게 하면 “됐다”고 거짓으로 넘어가는 경우가 생긴다. 같은 컨텍스트 안에서 평가하게 하면 왜곡이 발생한다. 이런 문제를 해결하는 방법이 바로 결정적인 도구를 활용한 하네스 설계다. 서브 에이전트들이 새로운 컨텍스트에서 독립적으로 평가하고, 코드가 그 흐름을 통제함으로써 평가의 신뢰성을 확보한다.
학술적 배경도 소개됐다. Stanford의 Omar Khattab이 주도한 DSPy 프레임워크는 Recursive Language Models(RLM) 논문에 기반을 두고 있으며, 프롬프트 자체를 메타 옵티마이저로 지속적으로 개선하는 구조를 갖추고 있다. TextGrad도 같은 맥락의 도구다. 진행자는 이를 “최적화 층 위에 또 하나의 최적화 층을 쌓는 메타 옵티마이제이션”이라고 표현했다. Andrej Karpathy가 말한 “Auto Research” 개념 — 평가 메트릭만 존재하면 모델이 컴퓨팅을 투입해 검색 방향으로 성능을 높인다 — 과도 본질적으로 일치한다. REPL(Read-Eval-Print Loop)을 LLM이 프로그래매틱하게 활용하게 하는 결정적인 도구 구조가 이 모든 접근의 공통 뼈대다.
11:34 - Dynamic Workflows 오케스트레이션 구조 다이어그램 - 클로드가 여러 서브 에이전트에 작업을 분배하고 종합하는 방식
4. 93개 서브 에이전트, 12시간, 둠(Doom) — 롱 호라이즌 태스크의 현실
Gemini 3.5 Flash와 관련해 가장 인상적인 사례가 소개됐다. Windsurf의 CEO Varun Mohan이 시연한 것으로, 93개의 서브 에이전트를 구동해 15,000여 번의 모델 호출을 수행하면서 커스텀 커널과 파일 시스템 드라이버를 처음부터 작성하게 했고, 12시간 뒤 그 위에서 게임 둠(Doom)을 부팅하는 데 성공한 사례다. OS를 바닥부터 만들고 그 위에서 게임을 돌리는 것을 하나의 에이전트 파이프라인이 해낸 것이다.
09:09 - Varun Mohan의 데모 설명 - 93개 서브 에이전트, 15,000회 모델 호출로 커스텀 OS를 구축하고 둠(Doom)을 실행한 결과
이 데모가 의미하는 바는 단순히 “AI가 OS를 만들었다”는 것이 아니다. 상위 플래그십 모델이 아닌 Flash 수준의 모델로도, 올바른 스캐폴딩(scaffolding)과 하네스를 갖추면 매우 긴 호라이즌의 작업을 해낼 수 있다는 것이다. Gemini 3.5 Flash는 이전 Flash 대비 약 3배 비싼 모델임에도 불구하고, 적정 수준의 모델로 롱 호라이즌 태스크를 해내는 가성비를 보여줬다.
물론 이 과정은 원샷으로 깔끔하게 성공한 것이 아니다. 수많은 에러들을 끊임없이 반복하며 — 틀렸네, 고치고 오고, 또 틀렸네, 또 고치고 — 이 팅커링(tinkering) 과정이 어마어마하게 이루어진 것이다. 수학에서 가설을 세우고, 실험하고, 문제를 기록하고, 통찰을 얻어 다음 가설을 세우는 과정과 본질적으로 같다. AI의 롱 호라이즌 태스크 해결 능력은 결국 이 반복적 탐색 루프를 얼마나 체계적으로 돌리는가에 달려 있다. Dynamic Workflows와 Code as a Harness가 풀려는 문제도 바로 이것이다.
5. AI가 수학을 바꾼다 — Erdős 문제와 알파고 효과
5월에 수학 분야에서 흥미로운 일들이 연달아 일어났다. OpenAI의 내부 모델이 특수한 스캐폴딩을 통해 Erdős(에르되시)의 오랜 난제 중 하나를 해결하는 데 성공했다는 소식이 전해졌고, 이후 Anthropic과 Google DeepMind도 비슷한 성과를 달성한 것으로 알려졌다.
그런데 더 흥미로운 것은 그다음에 벌어진 일이다. AI가 Erdős 문제를 푼 방법이 공개되자, 인간 수학자들이 그 방법론에서 영감을 받아 또 다른 난제를 인간의 손으로 해결해냈다. Fields Medal 수상자 Timothy Gowers는 이에 대해 “이번에는 AI가 아니라 인간들이 해낸 일이지만, 단일거리 추측에 대한 AI 해법과 관련된 방법들을 사용했다”고 밝혔다. AI의 접근 방식을 배워서 인간이 직접 활용한 것이다.
22:40 - Timothy Gowers의 발언 인용 - AI 해법에서 영감을 받아 인간 수학자들이 또 다른 난제를 해결한 사례
OpenAI의 AI 안전 연구자 Noam Brown은 이 현상을 알파고에 빗댔다. “알파고 이후 인간 바둑기사들의 실력은 눈에 띄게 향상되었다. 나는 수학에서도 비슷한 패턴이 나타날 것이라고 생각한다”는 것이 그의 발언이다. 신진서 9단 등 최정상 기사들이 AI와 반복 대국하면서 인간 바둑 자체가 한 단계 진화했듯, 수학에서도 AI가 인간의 탐색공간과 직관을 확장하기 시작했다는 신호다.
이번 OpenAI의 수학 시도에서 또 하나 주목할 점이 있다. 모델이 혼자 추진하는 게 아니라, 평가 과정에서 인간이 실질적인 역할을 맡는 Human in the Loop 메커니즘이 중요하게 다루어졌다는 것이다. 기존의 완전 자동화 시도와는 다른 접근 방식이었고, 진행자는 “인간을 중요한 역할로 두는 느낌이 생기기 시작했다”고 했다.
진행자는 AI가 수학 분야 간의 언어 장벽을 허무는 역할을 한다고 설명했다. 정수론에 정통한 학자와 조합론에 정통한 학자는 서로의 문헌을 잘 모를 수 있지만, 프리트레이닝을 통해 전체 수학 문헌을 흡수한 AI는 그 사이를 연결할 수 있다. 인간은 그 연결점을 보고 가능성을 알아채고, 그 직관을 자신의 연구로 전이시킨다. 이것이 인간 창의성의 지형을 바꾼 사건이며, 창의성을 죽인 사건이 아니라는 것이 진행자의 시각이다.
6. 생성형 인지 저하 — 증폭인가, 저하인가
이 에피소드에서 가장 무거운 화두는 어쩌면 기술이 아니라 인간에 관한 것이었다. 진행자는 요즘 자신이 가장 많이 고민하는 것으로 “생성형 인지 저하(Generative Cognitive Decline)“를 꺼냈다. 내 생각을 계속 모델에게 오프로딩(offloading)해서 대신 생각하게 하다 보면, 내 생각하는 힘 자체가 줄어간다는 느낌이 강하다는 것이다. Dwarkesh Patel의 플래시카드 공부법 영상에서 자극받아 직접 시험해봤더니, 얼마나 많은 내용을 금방 잃어버리고 있는지를 실감했다고 했다.
한편으로는 그 반대의 현상도 존재한다. AI가 수학자들의 직관을 확장시킨 것처럼, AI가 인간의 지적 능력을 증폭(Intelligence Augmentation/Amplification)하는 경우도 분명히 일어나고 있다. 이 두 가지 현상이 동시에 양립하고 있는 것이다. AI를 슬롯머신처럼 쓰면서 도파민을 얻고 인지는 저하되는 사람이 있는가 하면, AI를 거인의 어깨로 삼아 자신의 역량을 한 단계 높이는 사람도 있다. 진행자는 이것이 “기술이 격차의 도구로 작용하고 있다”는 우려와 연결된다고 봤다.
공동 진행자는 이 고민을 더 근본적인 질문으로 확장했다. “생각하는 것이 인간의 일이라는 것 자체가 통념 아닌가”라는 도전적인 물음이다. 포크레인이 등장하면서 “단위 시간당 흙을 얼마나 옮기는가”가 노동의 기준이었던 시대가 끝나고 “포크레인 운전면허”가 능력의 새로운 기준이 된 것처럼, 지식 산업 분야에서도 생각하는 근육으로 문제를 해결하는 것이 더 이상 주요 능력이 아닌 시대가 올 수 있으며, 그 대신 새로운 층위의 자격증과 능력이 등장할 것이라는 전망이다.
7. Product-Market Fit을 찾다 — 락인된 시장과 토큰 경제
Simon Willison이 5월 27일 게시한 분석이 의미 있는 화두를 제공했다. 그는 API를 활용해 OpenAI와 Anthropic의 채용 공고 현황을 분석했는데, OpenAI는 703개, Anthropic은 390개의 공개 채용 공고를 내고 있었다. Meta가 최근 8,000명을 레이오프하고 Microsoft도 인력을 줄여가는 반면, 이 두 회사는 공격적으로 확장 중이다. Simon은 이를 두 회사가 PMF(Product-Market Fit)를 찾았다는 신호로 해석했다.
27:52 - Simon Willison의 분석 - OpenAI 703개, Anthropic 390개 채용 공고와 PMF 달성 근거
진행자는 이를 기업 고객들의 락인(Lock-in) 현상과 연결지어 설명했다. API 가격을 내고 있는 기업들은 이미 강을 건너버린 것이다. Claude Code와 Codex를 비엔지니어들도 포함해 100달러, 200달러 플랜으로 쓰는 사람들이 빠르게 늘어나고 있고, 이제는 그것을 안 쓰는 선택지가 현실적으로 어렵다. 다이렉트 API 직접 호출에 패널티를 강화하면서 기업들을 공식 API 요금 체계로 유도하는 구조도 강화되고 있다.
토큰 가격 전망에 대해서는 단기적으로는 상승 압력이 있지만, 역사적으로 장기적으로는 낮아지는 방향으로 배팅하는 것이 높은 확률값이라는 분석이 나왔다. 수요가 폭발적으로 늘고 있고 HBM 메모리 가격 상승이 이를 뒷받침한다. 그러나 장기적으로는 “전기 가격처럼” 유틸리티 성격의 인프라 비용으로 수렴할 가능성이 높다는 전망이다.
OpenAI와 Anthropic의 IPO에 대한 이야기도 나왔다. 2026년 안에 IPO 가능성이 거론되는데, 진행자는 IPO의 본질을 프라이빗 라운드에서 쌓여온 투자자 조건들을 해소하고 퍼블릭 마켓에서 유동성과 자율성을 확보하는 마일스톤으로 설명했다. AI 공급사들 사이의 나름의 리더보드가 퍼블릭 마켓 밸류에이션으로 수치화되는 시점이기도 하다. 투자자 입장에서 중요한 것은 그 IPO가 “시작일 것이냐 끝일 것이냐”의 판단이다.
8. 엔지니어란 무엇인가 — AI 네이티브 탤런트
에이전트로 일하는 비중이 높아지면서, “일을 잘한다는 것은 무엇인가”라는 근본적인 질문에 직면하게 됐다는 이야기가 이어졌다. 진행자는 이제 “개발자”라는 표현이 의미를 잃어가고 있다고 단언했다. 모두가 그냥 “빌더(Builder)“이자 새로운 층위의 Problem Solver가 됐다는 것이다.
32:23 - AI 시대 엔지니어 정의 변화 논의 - 개발자라는 표현이 의미를 잃고 모두가 빌더·문제 해결사가 된다는 주장
실제로 진행자의 회사에서는 Claude Code를 통해 전통적 엔지니어 직군 중 절반만이 엔지니어 출신이고, 나머지 절반은 아니다. 전직 마케터, 전직 PM이 Claude Code와 결합해, 엔지니어들이 이미 만들어놓은 암묵지(tacit knowledge) 프롬프트를 스킬로 불러 쓰기 시작하면서 문제를 한 번에 해결하는 경험을 하고 있다. 에이전트는 반복적인 상호작용을 통해 회사 고유의 맥락과 지식을 축적하는데, “어제 매출”이라고만 말해도 회사가 원하는 관점으로 정확하게 가공해오는 수준이 됐다.
공동 진행자는 중요한 보완 시각을 제시했다. 여전히 AWS 아키텍처, Redis 분산 처리, DB 쿼리 최적화, OS 전반에서 서비스 레이어까지 폭넓은 기술 층위를 아는 사람이 Claude Code를 만났을 때 훨씬 더 강력하다는 점이다. 그러나 고객은 아키텍처를 사는 게 아니라 문제 해결을 산다. 따라서 진정으로 필요한 사람은 엔지니어링 역량을 갖추면서 동시에 고객의 문제를 이해하고, 마케터나 영업 없이도 고객과 직접 대화할 수 있는 역량을 갖춘 사람이다.
진행자는 이를 “AI 네이티브 탤런트(AI-native Talent)“라고 개인적으로 부른다고 했다. FDE(Field Deployment Engineer)보다도 한 발 더 나아간 개념이다. 기업이 단순히 “Claude Code 쓸 줄 아는 엔지니어 채용”을 결정했다면, 그 경영자는 문제의 본질을 아직 파악하지 못했을 가능성이 높다는 직설적인 지적도 있었다. 엔지니어링 역량조차도 에이전트의 메모리 안에 인캡슐레이션(encapsulation)되어 아래 레이어로 내려가는 추세이기 때문이다.
한편 AI를 공급하는 입장에서는 사용자가 엔지니어든 빌더든 상관없다. AI를 쓰는 사람이 존재하는 한 수요는 유지되거나 오히려 늘어난다는 것이 Simon Willison의 분석에서 진행자가 읽어낸 함의다. 사람들은 문제를 해결하는 속도보다 새로운 문제를 만들어내는 속도가 빠르기 때문에, 수요는 한참 더 늘어날 것이라는 전망이 이를 뒷받침한다.
9. 기술 스택의 진화와 인텔리전스의 무한 수요
a16z(Andreessen Horowitz)의 분석 시각이 소개됐다. 인터넷 시대, 모바일 시대에 어떤 일들이 일어났는지를 되짚어보면 패턴이 보인다. 처음에는 인프라 — 저전력 칩, ARM, Qualcomm 같은 하드웨어 레이어가 먼저 수혜를 입었다. 그 다음이 플랫폼 — iOS와 Android 같은 OS 레이어였다. 그리고 그 위에서 Uber, Kakao Talk, Airbnb 같은 새로운 애플리케이션 레이어가 폭발적으로 성장했다.
44:06 - a16z 분석 - 인터넷·모바일 시대의 기술 스택 진화 패턴(칩→OS→앱)과 AI 시대의 유사성
AI도 지금 동일한 경로를 밟고 있다. NVIDIA와 SK Hynix의 주가가 피크를 찍는 것은 “AI 붐의 끝”이 아니라 “AI 붐이 시작됐다는 서막”일 수 있다. 진행자는 “사람들은 항상 과거의 기준으로 미래를 평가하는 나쁜 버릇이 있다”고 지적했다. 이전의 인터넷이나 모바일 붐과 AI를 동일한 스케일로 비교하는 것 자체가 틀렸을 수 있다. 매번의 패턴에서 Y축의 규모, 즉 변화의 인텐시티와 진폭은 다르게 보정해야 한다.
Vinod Khosla(Khosla Ventures 창립자, Sun Microsystems 공동창업자)의 시각이 이를 가장 극적으로 표현했다. “이것은 인텔리전스다. 따라서 상방이 없다.” 암을 치료하면 끝나는 게 아니라 더 오래, 더 건강하게, 더 아름답게 살고 싶어지는 인간의 욕구처럼, 인텔리전스에 대한 수요는 본질적으로 무한히 열려 있다는 것이다. 과거의 플랫폼들은 딜리버할 수 있는 상방이 닫혀 있었지만, 인텔리전스는 다르다는 주장에 진행자는 “굉장히 동감이 됐다”고 했다.
마무리 — 여름이 오기 전에
이 에피소드는 여러 층위의 이야기를 담고 있지만, 결국 하나의 큰 메시지로 수렴된다. 변화의 속도가 너무 빨라서, 무언가를 제대로 이해하고 역량을 키우려 해도 새로운 모델이 나와버리는 쳇바퀴 위에 우리가 올라와 있다는 것이다. 두 달이 한 주기라고 생각했더니 43일이 됐고, 43일이라고 생각했더니 더 짧아질 것이다.
한편 모델에 대한 이야기가 점점 줄어들고 있다는 것도 주목할 변화다. 이미 모델은 충분히 좋아졌고, 이제 관심은 그 모델 위에서 어떻게 단위 업무를 가장 저렴하게 가장 빠르게 해결할 것이냐로 이동하고 있다. 모델의 능력과 하네스의 정교함과 이 둘의 얼라인먼트를 어떻게 설계할 것이냐가 실질적인 경쟁력의 변수가 된 시대다.
에이전틱 시대가 본격화되면서 인퍼런스(inference)의 중요성이 어마어마하게 커지고 있다. 토큰 공장의 안을 이해하는 것은 이제 단순한 호기심이 아니라 실용적 필요가 됐다. 진행자는 다음 시즌에서 하드웨어부터 오케스트레이션 레이어, 그 위의 소프트웨어 영역까지를 깊이 살펴보겠다는 방향성을 밝혔다. 4월이 하나의 변곡점이었고, 여름이 또 하나의 변곡점이 될 것이다. 그리고 그 변곡점들이 이제 1년에 한 번이 아니라 두 달에 한 번 — 혹은 그보다 더 자주 — 찾아오고 있다.
📚 출처 및 참고
| 구분 | 내용 |
|---|---|
| 원본 영상 | EP 99. Opus 4.8 출시, 요즘 AI 경쟁과 인간의 일 |
| 채널 | 노정석 |
| 녹화 일자 | 2026-05-30 |
| 리포트 작성 | 2026-06-07 |
| 작성 방식 | YouTube 영상 STT 변환 후 에디팅 |
💬 본 리포트는 영상 내용을 바탕으로 재구성되었습니다. 정확한 내용은 원본 영상을 참조해 주세요.